Cell | 耶鲁大学樊荣团队开发新型空间多组学研究利器DBiT-seq，成功解析小鼠胚胎空间分布特征
近年来，单细胞转录组测序技术为解决关键生物医学问题提供了强有力的工具。虽然单细胞转录组解决了细胞异质性问题，但无法还原其具体的空间位置，也就无法精准探究细胞功能。而空间转录组学则可填补这一空缺，利用空间转录组技术，研究人员能够将组织内细胞的基因表达信息定位到组织的原始空间位置上，从而分析组织中不同部位功能及基因表达的差异。
但空间转录组的技术尚不成熟。目前已有的检测方法在技术上要求很高，包括需要高灵敏度的单分子荧光成像系统、复杂的图像分析过程，以及冗长的重复成像工作流程等，使得其难以实现大规模的研究应用。此外，大多数方法都是基于有限的探针杂交技术检测已知的基因序列，限制了发现新基因和突变基因的可能。
为了克服上述瓶颈，耶鲁大学樊荣教授团队开发了一种名为DBiT-seq（Deterministic Barcoding in Tissue for spatial omics sequencing) 的空间组学测序技术。该技术不需要复杂的成像技术，而是利用高通量测序NGS和DNA条形码技术获得转录组和蛋白组学的信息，同时获得空间信息，可实现更高的样品通量和成本效益。通过将该技术应用于小鼠胚胎的解析，结果显示，DBiT-seq可以成功捕获小鼠早期器官形成中的主要组织类型，以及大脑中微血管内皮细胞和视网膜色素上皮细胞等细微特征。近日，该研究结果发表在Cell上，文章题为“High-Spatial-Resolution Multi-Omics Sequencing via Deterministic Barcoding in Tissue”。
图1. 文章发表于Cell期刊
DBiT-seq工作原理
据文章介绍，DBiT-seq不需要裂解组织即可释放mRNA，并且与现有的甲醛固定的组织玻片兼容。该技术通过NGS测序在组织玻片中可同时获得mRNA和蛋白质信息。DBiT-seq可直接利用包含50个平行微通道的微流控芯片在组织切片样本中引入DNA条形码A和B。该技术首先通过逆转录在原位合成第一链cDNA，则该cDNA链纳入了条形码A，随后可再引入DNA条形码B。
经过上述两个步骤，组织切片经过两套条形码系统在交叉点进行原位连接，形成组织像素的整合点，每个像素点都含有条形码A和B的不同组合，形成二维图像，将组织形态与空间组学相关联。此外，为了同时检测蛋白组和转录组，组织切片也被22个抗体衍生的DNA标签 (Antibody-Derived DNA Tags, ADTs) 混合染色。最终，在形成一个空间条形码组合后收集cDNAs进行PCR扩增，构建测序文库，并利用NGS进行双端测序。
图2. DBiT-seq工作流程示意图。来源：Cell
DBiT-seq测序数据质量
评估和比较
在获得下机数据之后，经过数据处理可得到每个像素点的总UMIs数和检测到的基因数。分析结果显示，在10微米的体系中，DBiT-seq共检测到22,969个基因，平均每个像素点检测到2,068个基因。同等空间分辨率（10微米像素尺寸）下的 Slide-seq可检测到150个基因。
此外，低分辨率空间转录组 (ST) 方法检测到的每像素点UMIs或基因的数量DBiT-seq相当，但ST用到的芯片每个像素点是100微米，为文中显示的DBiT-seq的十倍，从面积上分析就是接近100倍或两个数量级的差异。
图3. 基因和UMI计数的评估和比较。来源：Cell
DBiT-seq解析小鼠胚胎发育
随后，为验证该技术性能，研究人员利用DBiT-seq分析了整个小鼠胚胎，并鉴定了早期器官发生的所有主要组织类型。结果显示，高分辨率的DBiT-seq可以很容易地分辨小鼠胚胎发育的精细特征，如大脑微脉管系统和排列在视神经泡周围的单层色素上皮细胞。
图4. 小鼠胚胎的空间多组学解析。来源：Cell
综上所述，樊荣教授团队开发的DBiT-seq技术，能以高空间分辨率获得组织切片的转录组信息和22个蛋白质组学的信息。这种基于NGS技术的检测方法是无偏倚的，可同时检测整个转录组层面，因此可用于绘制组织环境中的基因图谱。另外，DBiTseq与其它基于空间转录组方法有着根本的区别，DBiTseq只需要一套试剂和一个简单的设备就可以进行实验，因此，可在生物学和生物医学研究的广泛领域得到应用，包括发育生物学、神经科学、癌症、免疫生物学和临床病理学，具有强大的应用潜力。
图5. 研究概要图。来源：Cell
参考文献：
1. Liu et al., High-Spatial-Resolution Multi-Omics Sequencing via Deterministic Barcoding in Tissue, Cell (2020). Published online Nov 13, 2020.
2. Aran, D., Looney, A.P., Liu, L., Wu, E., Fong, V., Hsu, A., Chak, S., Naikawadi, R.P., Wolters, P.J., Abate, A.R.,et al. (2019). Reference-based analysis of lung single-cell sequencing reveals a transitional profibrotic macrophage. Nat Immunol 20, 163-172.
3. Chen, K.H., Boettiger, A.N., Moffitt, J.R., Wang, S.Y., and Zhuang, X.W. (2015). Spatially resolved, highly multiplexed RNA profiling in single cells. Science 348.
4. Eng, C.L., Lawson, M., Zhu, Q., Dries, R., Koulena, N., Takei, Y., Yun, J., Cronin, C., Karp, C., Yuan, G.C., et al. (2019). Transcriptome-scale super-resolved imaging in tissues by RNA seqFISH. Nature 568, 235-239.
5. Klein, A.M., Mazutis, L., Akartuna, I., Tallapragada, N., Veres, A., Li, V., Peshkin, L., Weitz, D.A., and Kirschner, M.W. (2015). Droplet barcoding for single-cell transcriptomics applied to embryonic stem cells. Cell 161, 1187-1201.
咨询
我们尊重知识产权，如您认为本平台所载文章、图片、视频等内容侵犯您的合法权益，请您及时联系我们，我们将依据相关法律法规、平台规则予以处理。
关键字
- 148
- 点赞
- 复制链接
- 举报
